基于卡尔曼滤波算法的MEMS陀螺仪误差补偿研究

为了补偿MEMS陀螺仪的漂移误差,本文采用了一种新的卡尔曼滤波算法。文中对MPU3050陀螺仪进行分析,提出其漂移模型。通过分析陀螺仪的误差,建立陀螺仪的误差模型。卡尔曼滤波的效果通过阿伦方差进行评估,与其他滤波算法比较,在MEMS陀螺仪中采用卡尔曼滤波算法可以有效的减少SCM（单片机）计算,并在转台上对陀螺仪进行测试。实验结果表明,结合误差模型和卡尔曼滤波算法可有有效的减少陀螺仪的漂移误差。     

基于MEMS陀螺仪的随机误差分析

为了提高MEMS陀螺仪测量精度,减少随机误差的影响,对产生随机误差的噪声源及其随机误差模型进行了分析;通过分析MEMS陀螺仪自身结构的缺陷并且对其输出数据进行了相应的滤波处理与平稳性检验,确立了合适的误差模型并利用Kalman滤波进行误差补偿,验证了模型的有效性;同时运用Allan方差法对MEMS陀螺仪噪声项进行了分析,确定了影响MEMS陀螺仪测量性能的主要因素以及比较了滤波前后的各项噪声源系数,检验了滤波效果且实验结果证明误差模型显著提高了MEMS陀螺仪的测量精度。      

改进的卡尔曼滤波在MEMS陀螺仪信号处理的应用

针对MEMS陀螺仪的输出随机漂移误差影响测量精度的问题,提岀一种改进的卡尔曼滤波方法进行MEMS陀螺仪误差补偿。传统的卡尔曼滤波方法是针对时域内的随机序列采用统计特性进行递推估计,从而得到测量所需要的信号。本文在传统卡尔曼滤波算法的基础上引入衰减因子和差分控制项,以此自适应地估计卡尔曼滤波量测噪声方差,并结合硬件系统将该算法进行静态性能试验和动态性能试验,使用Allan方差分析法对原始陀螺仪信号以及误差补偿后的陀螺仪信号进行对比分析。对比数据结果表明,陀螺仪静态随机误差得到了有效的抑制,从而验证了该算法在陀螺仪静态数据处理方面具有一定的应用价值。     

基于数字调节方法的MEMS陀螺零位补偿技术研究

针对环境温度影响导致MEMS陀螺零位输出变化较大的问题,设计了一种基于数字调节方法的零位补偿电路并提出了一种陀螺零位漂移特性的测试方法。该补偿电路依据陀螺内部温度传感器输出,实时调节补偿电路输出,实现零位补偿。采用全温(-40℃～+60℃)测试方法,研究得到陀螺零位漂移模型,再经过研究零漂值与补偿电路值之间的对应关系,求解出温度与补偿电路之间的数学模型。实验表明,采用该方法使陀螺零位在全温范围内稳定精度提高了一个数量级,证明了提出方法的可行性和有效性。     

多项式拟合在MEMS陀螺仪零点随机漂移抑制中的应用研究

MEMS(Micro-Electro-Mechanical Systems)传感器精度相对较低限制了其应用范围,从实际工程应用出发,针对MEMS陀螺仪零点随机漂移误差探讨了有效的补偿方法.推导了不同阶数拟合曲线的回归方程,根据实测MEMS陀螺零点数据对不同阶数拟合曲线的补偿效果进行对比,选取最优方案并通过跑车试验进行验证,证明该方法能够有效抑制陀螺仪零点漂移误差,提高微惯性导航系统的导航精度.     

基于时间序列分析的Kalman滤波方法在MEMS陀螺仪随机漂移误差补偿中的应用研究

从工程实用的角度出发,探讨了MEMS陀螺仪随机漂移误差的有效补偿方法.首先采用时间序列分析的方法建立了MEMS陀螺仪的随机漂移误差模型,然后阐述了用基于时间序列模型的Kalman滤波方法减小该漂移误差的具体方法.对某MEMS陀螺仪实测数据的误差补偿结果表明,所介绍的滤波方法能够有效地抑制其漂移误差,提高MEMS陀螺仪在实际系统中使用精度.     

一种宽量程MEMS组合加速度计的设计与优化

为满足大量程低温漂的MEMS加速度计性能需求,研制了一款宽量程MEMS组合加速度计,并完成了量程、线性度、交叉耦合、分辨率性能参数的测试.针对加速度计在高低温工作环境中的零漂过大的问题,分析了影响因素,设计了一种零位温度补偿算法给出解决方案.实验结果表明:零位温度补偿算法实现了加速度计在-45～+85℃温度范围内零点漂...     

启发式算法在MEMS陀螺仪数据处理中的应用

随机漂移是影响微机电系统(MEMS)陀螺仪精度的主要因素.为了实时估计并补偿随机漂移,对启发式漂移消减算法(HDR)进行改进,提出自适应漂移消减算法.利用Allan方差分析方法确定陀螺仪的零偏稳定时间,通过检测陀螺仪数据的平稳性来区分随机漂移和真实角速率.以Pioneer3-AT机器人为平台进行试验,与基本HDR算法相比,新算法可以弥补载体有恒定角速率时基本HDR算法不可用的缺点,与普通算法相比,新算法可以提高航向精度2倍以上.     

自适应Kalman滤波在MEMS陀螺仪信号处理中的应用

通过中值滤波和均值滤波的有机结合,可以去除MEMS陀螺仪漂移中的"野点"信号。基于Haar小波基的小波变换,寻找到了一种易于实时在线实现的漂移特征提取方法。对残差信号进行二阶AR模型分析建模后,利用改进的自适应Kalm an滤波算法,对残差信号进行滤波,提高了被处理漂移信号的精度。实际测量数据的处理结果验证了该MEMS陀螺仪去漂移方法的有效性。     

基于Allan方差的MEMS陀螺误差分析

利用Allan方差法对国外一款MEMS陀螺仪进行误差分析,通过长时间静态数据分析,对陀螺误差系数进行标定,验证了Allan方差法用于陀螺误差分析的可行性。     

基于自适应Kalman滤波的MEMS陀螺随机误差分析

针对某型MEMS陀螺随机误差较大、精度不高的问题,通过时间序列分析法,建立自回归滑动平均 ARMA(Auto-Regressive and Moving Average)模型,采用ARMA(2,1)模型将预处理后的MEMS陀螺随机误差进行建模.设计基于ARMA模型的经典Kalman滤波器.静态试验和恒定速率试验结果表明在经典Kalman滤波器作用下,静态试验下其均值与均方差下降32.62%和66.31%;恒定速率试验下,其均值有明显的降低,其均方差减小了一个数量级.针对经典Kalman滤波器不能解决振动试验中大振幅时滤波发散问题,提出一种新的自适应Kalman滤波法,通过寻找合适的标定因子s解决滤波发散问题.振动试验结果表明,当振幅为100°时,滤波后的均值和均方差分别下降8.25%和8.36%.     

MEMS传感器随机误差分析及处理

MEMS传感器的精度限制了其应用范围,为减小MEMS传感器随机误差的影响,提高其精度,对其随机误差进行分析和处理具有重要意义。本文首先采用Allan方差法分析了MEMS陀螺仪和加速度计的主要随机误差。然后基于Allan方差分析结果,发现从时频角度,采用小波变换分析传感器的随机误差,可以对零偏,有色噪声,白噪声进行了有效分离。最后通过对小波降噪方法的探讨,发现小波分析具有分离、减小随机误差的优势。     

基于AR模型的MEMS陀螺误差补偿方法研究

针对MEMS(Microelectro Mechanical Systems）陀螺具有成本低、体积小但误差较大的问题,探讨MEMS陀螺的误差补偿方法。基于AR模型方法,采集MEMS陀螺原始信号,对原始信号进行预处理,利用预处理后的数据建立陀螺的AR(Auto Regressive)模型,辨识出模型参数。利用该模型对陀螺信号进行误差补偿,计算出陀螺的较精确值。通过对某MEMS陀螺误差补偿的静态和动态试验表明,提出的方法能够有效地减小误差,提高陀螺的测量精度。     

MEMS惯性组件的误差特性分析与标定

针对惯性器件输出受工作环境及器件自身噪声影响,导致惯性组件输出信噪比低进而影响系统定位测姿精度等问题,提出MEMS惯性组件误差分析与标定方案。利用Allan方差对MEMS输出进行辨识,对输出信息曲线拟合并确立MEMS器件误差项的误差取值,建立MEMS几何误差模型并设计分立式标定方案。转台实验结果表明,24位置及速率标定方法可实现惯性组件常值误差系数的有效分离与求取,对比器件误差补偿前后的结果,验证了误差修正方案的可行性。     

具有输入非线性的MEMS振动陀螺零点校正方法

针对Micro-electro-mechanical system (MEMS)振动陀螺仪加工制造过程中产生的几何结构中心与质量块重心不重叠导致严重陀螺漂移和噪声的问题, 在考虑陀螺自身非线性、控制输入非线性和外部干扰的情况下, 提出一种基于超稳理论的非线性控制策略对MEMS陀螺仪进行零点校正. 该方法在MEMS 陀螺仪非线性模型中引入一Hurwitz矩阵对模型进行变换以满足系统的严格正实要求, 利用向量范数的性质得到合适的控制律以满足Popov不等式, 从而保证了闭环控制系统的全局渐近稳定性. 仿真结果显示, 提出的非线性控制策略可以使系统状态迅速收敛到零, 并且对系统参数摄动表现出较强的鲁棒性.     

面向皮卫星应用的MEMS陀螺温度控制系统设计

设计了一种面向皮卫星应用的MEMS陀螺温度控制系统,其控制原理为基于ADN8831的TEC温度控制。分析了影响温控系统控制精度的各因素,并且通过Steinhart-Hart方程对热敏电阻的R-T特性进行拟合校准后表明,本温控系统的精度达到±0.03℃。将设计的温控系统应用于面向皮卫星的MEMS陀螺温度控制,通过Allan方差分析MEMS陀螺的误差项。通过不同温度下实验得出,当该温控系统存在时,零偏不稳定性和速率随机游走得到了不同程度的改善,验证了温控系统的有效性,满足了皮卫星体积小、功耗低的要求。     

基于改进卡尔曼滤波的陀螺仪误差补偿算法

针对基于卡尔曼滤波的MEMS陀螺仪误差补偿算法中量测噪声方差选取不准确的问题,提出一种基于改进卡尔曼滤波的陀螺仪误差补偿算法.卡尔曼滤波通常采用统计特性估计得到固定的量测噪声方差,无法自适应地估计不同环境下陀螺仪噪声特性.该算法将卡尔曼滤波与神经网络相融合,使用卡尔曼滤波新息矩阵作为神经网络输入,通过神经网络得到新息协方差矩阵,以此自适应地估计卡尔曼滤波量测噪声方差.将该算法应用到陀螺仪信号误差补偿中,使用Allan方差分析法对原始信号以及误差补偿后的陀螺仪信号进行分析,实验结果表明该算法能够有效地抑制陀螺仪随机误差,提高MEMS陀螺仪的精度.